0 引言

       乳腺癌（breast cancer, BC）已成为威胁全球女性健康的首要恶性肿瘤^[1]，其早期诊断和精准诊疗对于改善患者预后至关重要^[2]。无辐射、无创伤、敏感度高、可重复性强以及能提供定量血流动力学的优势，使动态对比增强磁共振成像（dynamic contrast-enhanced magnetic resonance imaging, DCE-MRI）在乳腺病变的诊断领域得到了广泛应用^[3]，然而，传统DCE-MRI的高耗时不仅影响检查效率，也限制了其在乳腺高危筛查人群及无法长时间耐受等患者中的普及推广^{[4, 5]}。为突破传统DCE-MRI耗时的瓶颈，简化MRI（abbreviated breast MRI, AB-MRI）与超快速动态对比增强MRI（ultrafast dynamic contrast-enhanced magnetic resonance imaging, UF-DCE MRI）应运而生。AB-MRI属于协议简化，通常仅保留T2WI、早期增强及DCE早期/延迟期等关键序列^[4]，从而可以将扫描总时间缩短至全扫描方案（full protocol, FP）的1/3到1/2^[6]，该方法虽与DCE-MRI具有相近的诊断准确性，但血流动力学信息的缺失降低了其诊断特异性^[7]。相比之下UF-DCE MRI是一种基于高时间分辨率（3~10 s）^[8]的采集加速技术，重点捕获对比剂注入后一分钟内病变的强化特征，以呈现早期洗入动力学曲线，并提取多种反映病灶微循环灌注的血流动力学参数。一项基于CS加速技术的研究中UF-DCE MRI较DCE-MRI缩短了62.5%的检查时间^[9]。AB-MRI和UF-DCE MRI可以独立应用于临床，均可以有效减少乳腺MRI的扫描时间。MILON等^[10]研究表明与FP相比，AB-MRI结合UF-DCE MRI可以显著缩短扫描时间（7 min 48 s vs. 13 min 54 s），在AB-MRI方案中添加UF-DCE MRI序列可以提高诊断性能，（AUC=0.826 vs. AB-MRI AUC=0.802，P<0.01），与FP的诊断性能相当（AUC=0.834）。UF-DCE MRI为BC的早期诊断、筛查策略优化、NAC疗效预测及预后标志物的评估提供新的影像学依据，现有综述多聚焦于诊断效能，未系统剖析UF-DCE MRI临床转化中的核心瓶颈，包括技术异质性、形态学评估缺陷、应用场景分层缺失、疗效预测证据不足等问题。因此，本文系统梳理近年来国内外研究现状，明确标准化方向，以期为UF-DCE MRI在乳腺病变的临床规范化中的应用和精准治疗提供全面参考。

1 UF-DCE MRI的技术原理

       UF-DCE MRI主要依赖于并行成像（parallel imaging, PI）、视图共享（view sharing, VS）及压缩感知（compressed sensing, CS）等核心技术的单独或联合使用，各技术通过不同机制减少K空间采样数据量，从而缩短扫描时间，提高患者耐受。

       PI技术利用相控阵线圈的空间敏感度差异对采样不足的k空间原始数据进行解混叠伪影（aliasing artifacts, AA）来实现加速^[11],但时间分辨率受到加速因子（acceleration factor, AF）和信噪比（signal-to-noise ratio, SNR）之间的平衡的限制。PI的主要算法包括敏感性编码（sensitivity encoding, SENSE）和广义自校准部分平行采集（generalized autocalibrating partially parallel acquisition, GRAPPA）^[12]。双侧多通道乳腺相控阵线圈为PI技术的实施提供了必要的硬件基础。单独使用PI时，乳腺成像加速倍数通常控制在2~3倍^[13]，过高的AF会显著降低SNR，影响微小病灶检出^[14]。因此，在UF-DCE MRI中PI常作为基础加速模块与VS/CS技术联合使用，PI承担核心并行解混叠，VS/CS进一步优化采样与重建约束，使总AF可达8~16倍^[15]。算法选择上，SENSE基于准确的线圈敏感度图进行图像阈重建，计算效率高、更适配3D高加速采集，是乳腺UF-DCE MRI的首选方式；GRAPPA通过K空间自校准自动估计重建权重，对运动伪影和磁场不均匀性的鲁棒性更强，但高加速下易出现伪影与噪声放大，临床应用相对受限^[16]。

       VS是一种通过在连续图像采集之间共享K空间数据来提高时间分辨率的技术^[17]，常见的采集序列包括交错随机轨迹的时间分辨血管成像（time-resolved imaging with stochastic trajectories, TWIST）、K空间加权成像对比（k-space weighted image contrast, KWIC）、笛卡尔排序差分子采样（differential subsampling with cartesian ordering, DISCO）、对比动力学的时间分辨成像、使用锁孔的时间分辨血管成像和大多数锁孔方法^[18]。其中TWIST作为一种具有代表性的VS，已广泛应用于乳腺UF-DCE MRI，它将K空间分为低频高对比度的中心区域A和高频细节的外围区域B，提高A区采样占比可有效提升图像SNR与对比度稳定性，减少伪影；提高B区采样占比可显著改善图像分辨率，加快扫描速度，但存在边缘细节模糊的潜在风险。有研究表明TWIST技术在提升时间分辨率的同时，不可避免地会牺牲一定的空间分辨率和图像稳定性^[19]。因此，需根据临床诊断需求权衡TWIST的时间分辨率与空间分辨率的关系。在乳腺成像中，为兼顾图像对比度与时间分辨率，临床通常采用中心K空间完全采样的策略，基于该策略，VS技术能够在维持稳定空间分辨率（如0.7×0.7×2.5 mm³）的前提下将时间分辨率提升至7~10 s^[3]，但VS的固有局限在于时间模糊效应，可能导致时间-信号强度曲线（time-intensity curve, TIC）出现锯齿状伪影，影响半定量参数的判读准确性^[18]。然而，该技术具有高度通用性，可与现有多种扫描仪配合使用，因此在临床实践中的应用更为广泛。

       CS通过特定的采样技术，利用信号的稀疏性从被抽取的信号中恢复原始信号，可以实现更高的时空分辨率和更好的运动鲁棒性^[17]。在满足合适的稀疏变换、不相干的欠采样模式以及非线性的迭代重建算法的条件下用低于奈奎斯特-香农（Nyquist-Shannon）的速率进行采样^[16]。在乳腺UF-DCE MRI中，TAVAKKOLI等^[20]证明使用不同的采样模式进行欠采样会导致CS图像质量显著变化，即便在理想条件下，单独使用CS技术所能实现的最大AF也仅为3，当AF过高时会影响图像质量。而以黄金角径向稀疏平行（Golden-angle radial sparse parallel, GRASP）MRI为代表的CS与PI联合技术采用黄金角径向采集可在3~5 s的时间分辨率实现高的空间分辨率和更大的采集范围^[21]，且径向采集对运动不敏感^[3]，尽管CS表现出强大的加速潜力^{[22, 23]}，但其临床推广仍面临两大障碍：一是迭代重建计算量大^[16]，难以满足临床实时诊断需求；另一个挑战是正则化参数和采样模式的优化^[24]。UF-DCE MRI加速技术对比见表1。

点击查看表格

表1  UF-DCE MRI加速技术对比汇总表
Tab. 1  Summary table of comparison of UF - DCE MRI acceleration techniques

2 UF-DCE MRI衍生的动力学参数

       UF-DCE MRI通过捕捉对比剂流入早期的超快速动态过程，不仅能根据Tofts药代动力学建模计算出反映肿瘤微血管通透性和血流灌注特征的定量参数^[25]，还能衍生出一系列不依赖建模直接提取的具有重要诊断价值的血流动力学的半定量参数。

       Tofts双室模型^[26]将组织简化为血浆空间和血管外细胞外间隙（extravascular extracellular space, EES），并假设对比剂在血浆和EES间的交换符合一级动力学，Tofts模型则通过拟合组织内对比剂浓度随时间变化的曲线，为表征组织灌注和通透性提供关键参数^[27]，常见参数有体积转运常数（volume transfer constant, K^trans）、回流速率常数（rate constant, Kep）、血管外细胞外间隙容积分数（extravascular extracellular volume fraction, Ve）等。然而，UF-DCE MRI在利用上述参数进行临床评估时存在局限性^{[28, 29]}：因受限于极高的时间分辨率，UF-DCE MRI 通常以牺牲空间分辨率和SNR为代价，导致早期时相动脉输入函数（arterial input function, AIF）波动较大，拟合过程易受噪声干扰，从而使参数存在较大的估算偏差，但基于群体的AIF可以部分克服高时间分辨率的问题，因此使用固定的基线T1值和基于群体的AIF来增加重复性^[30]以减少这种估算偏差。另外，不同设备及ROI勾画方法的差异，导致参数定量结果缺乏标准化和可重复性。因此，在实际应用中，UF-DCE MRI 定量参数需结合半定量指标及多序列模态进行综合判读，才能有效提升诊断效能。

       最大斜率（maximum slope, MS）用于反映对比剂注射后病变区域信号强度的增加速率，是TIC最陡峭部分的切线斜率，恶性病变具有更高的MS^{[31, 32, 33, 34]}。增强起始时间差（time-to enhancement, TTE）是从主动脉强化起始到病灶强化起始的相对时间差，反映了肿瘤血管通透性和病变早期的强化程度，由于恶性病变增强早于良性病变，导致TTE较短，但不同的文献报道的TTE阈值存在差异^{[35, 36]}。达峰起始时间（the bolus arrival time, BAT）是从对比剂注射开始至病灶开始出现强化的绝对时间，主要受个体循环时间的影响，反映肿瘤的血管灌注状态，对亚厘米级别的乳腺良恶性病变的鉴别具有重要意义^[37]，既往研究^[38]表明在心功能和循环时间的差异忽略不计时，BAT与TTE相似，但这并不意味着二者概念等同，前者侧重于病灶灌注的绝对起始时间，后者侧重于经主动脉校正后的相对强化速率。动静脉显影间隔（arterial-venous interval, AVI）是对比剂依次使动脉、静脉显影的时间间隔，研究^[39]发现较短的AVI与易发生分流的血管网络紊乱有关，恶性肿瘤的AVI明显短于良性病变。达峰时间（time to peak, TTP）是对比剂进入病灶至信号强度达到峰值所需的时间，与血管生成密切相关^[32]。流入斜率（wash in slope, WIS）为峰值信号强度（SImax）与TTP的比值，RAMTOHUL等^[40]提出WIS可用于预测BC的新辅助化疗（neoadjuvant chemotherapy, NAC）后病理完全缓解（pathologic complete response, pCR）。这些半定量参数作为常规 DCE-MRI早期血流动力学特征的有效补充，对BC的临床诊疗具有重要意义。UF-DCE MRI的动力学参数见表2。

点击查看表格

表2  UF-DCE MRI的动力学参数汇总
Tab. 2  Summary of the kinetic parameters of UF-DCE MRI

3 UF-DCE MRI在乳腺癌诊疗中的临床应用

3.1 UF-DCE MRI减低背景实质强化

       背景实质强化（background parenchymal enhancement, BPE）是指在正常乳腺纤维腺体的对比增强现象，其强度受年龄、激素状态、月经周期等因素影响。中度以上BPE与异常解读率、敏感性或特异性降低、随访频率和活检率增加相关^[41]，是影响乳腺MRI诊断性能的关键干扰因素。UF-DCE MRI凭借其高时间分辨率能够捕捉并分离病灶的早期快速强化与相对缓慢进展的BPE，在BPE达到显著水平前，清晰显示病灶的强化特征，从而将BPE的影响降至最低^[14]。研究^[42]表明UF-DCE MRI显示的BPE水平显著低于DCE-MRI初始期^[42]；一项针对乳腺MRI筛查BI-RADS1类以及1年MRI随访阴性的回顾性研究进一步量化了这一优势，与常规DCE-MRI相比，UF-DCE MRI下调了98.5%高BPE水平，完全消除了明显BPE类别（UF-DCE MRI BPE为0%），并将中度BPE患者比例从常规DCE-MRI的20.7%降至UF-DCE MRI中的4.1%^[43]。上述研究一致表明，UF-DCE MRI通过高时间分辨率实现对BPE的有效抑制，能够在BPE完全显现前清晰捕捉病灶的早期强化，从而有效抑制或规避BPE的干扰。这一特性显著提升了病灶的检出率与显示清晰度，为恶性肿瘤的精确表征提供了更具优势的影像学基础，尤其在绝经前、哺乳期等中重度BPE人群中，展现出广阔的临床应用价值。

3.2 UF-DCE MRI在乳腺良恶性及亚厘米病变中的鉴别价值

       UF-DCE MRI的早期半定量参数能够量化肿瘤内部血供差异，在乳腺良恶性病变的鉴别诊断中具有价值，在参数应用方面，现有研究已从单一参数向多参数联合分析拓展，早期研究^{[4, 10, 14]}多聚焦于半定量参数（如MS、TTE等）在良恶性病变甚至是亚厘米病变的鉴别价值，研究证实，亚厘米癌的MS和SER大于良性病变、BAT缩短（MS：0.015 3 vs. 0.010 1；SER：100.5 vs. 91.0；BAT：23.9 vs. 26.8；MS、SER、BAT的P值分别为0.011 7、0.004 6和0.010 2）^[37]。另有研究表明MS可以高精度区分良性和恶性疾病（AUC=0.839）^[44]，基于MS阈值可将病变分为3类：MS>13.3%/s，提示恶性肿瘤高风险（特异度85%）；6.4%/s<MS<13.3%/s，提示中等风险；MS<6.4%/s，提示低风险（敏感度90%），且基于MS阈值的UF-DCE MRI筛查准确性优于传统DCE-MRI的TIC类型分析（AUC分别为0.812、0.692；P=0.006 1）。HUANG等^[33]首次引入定量参数K^trans和Kep，验证了其在良恶性鉴别中的有效性（P<0.05），敏感度分别为88.5%、89.7%，特异度分别为71.4%、85.7%。CAO等^[45]进一步比较半定量参数（MS、TTP、TTE、iAUC）、定量参数（Kep、K^trans和Ve）和表观扩散系数（apparent diffusion coefficient, ADC）的诊断效能，发现半定量多参数（AUC=0.913，95% CI：0.856~0.953）的分类性能优于定量多参数（AUC=0.818，95% CI：0.747~0.876，P=0.022），而半定量多参数与ADC联合诊断效能更优（AUC=0.960，95% CI：0.915~0.985），显示出比单一参数更高的分类效能（半定量多参数P=0.014、定量多参数P<0.001），上述结果表明，半定量和定量参数二者联合应用可互补优势，降低阈值依赖性，整合形态与功能信息。综上，UF-DCE MRI在病变良恶性及亚厘米病变的鉴别已显示出较高的诊断价值，参数选择正从单一类型向多参数、多模态联合方向演进，为早期BC诊断提供了更为全面的影像学依据。值得注意的是，UF-DCE MRI在捕捉病灶早期强化的同时，也使血供丰富的良性病变呈现出与恶性肿瘤重叠的强化模式，导致筛查假阳性^[46]。假阳性升高引起BI-RADS分类高估，引发不必要的活检、增加受检者心理负担与医疗成本，未来需通过前瞻性多中心研究明确不同良性病变亚型的假阳性率，优化诊断流程以实现敏感性与特异性的平衡。

3.3 UF-DCE MRI在评估NAC中的应用

       NAC是局部晚期乳腺癌（locally advanced breast cancer, LABC）的标准治疗方法^[47]，可实现病情降级、提高保乳率、减少腋窝淋巴结清扫，其术后pCR与无病生存期（disease-free survival, DFS）和总体生存期（overall survival, OS）的延长密切相关^[48]。治疗前精准预测NAC的反应，有助于优化治疗方案、降低医疗成本、减少化疗毒性暴露。LI等^[49]对162名接受NAC的BC患者的研究表明WIS的纵向变化值可作为贯穿NAC全过程的、可靠的pCR预测标志物，其预测效能优于传统的肿瘤大小评估，且在治疗2个周期后就具备与治疗末期相当的预测效能。在早期参数变化值预测方面，CAO等^[50]对67名乳腺癌患者行治疗前以及2、4、6个NAC周期后UF-DCE MRI的参数测量及pCR组和非pCR组间相邻时间点之间的参数变化的比较，证实NAC后pCR的MS（ΔMS1：-0.5±0.4 vs. -0.1±0.5；P<0.001）、PEI（ΔPEI1：-0.3±0.3 vs. -0.1±0.1；P<0.001）、iAUC（ΔiAUC1：-0.2±0.2 vs. -0.04±0.2；P<0.001）和肿瘤大小（ΔTumor size1：-18.2±12.7 vs. -6.6±6.9 mm；P=0.001）呈下降趋势，TTP（ΔTTP1：35.8±52.8 vs. 6.7±29.8 s；P=0.01）呈上升趋势，结合UF-DCE MRI参数变化值和临床病理特征的模型AUC（AUC= 0.92，95% CI：0.83~0.97）优于单一模型（临床病理模型AUC=0.79，95% CI：0.68~0.88，P=0.01；参数模型AUC=0.82，95% CI：0.71~0.90，P=0.02）证实NAC术后早期UF-DCE MRI参数变化值结合临床病理特征可作为乳腺癌PCR的预测指标。以上研究均表明，治疗期间患者的肿瘤状态可能会发生变化，而UF-DCE MRI基于血流动力学的功能学评估，比单纯测量肿瘤大小的形态学评估能更早、更准确地反映治疗效果，相较于传统的影像学评估方法，UF-DCE MRI提供了更为精确的动态监测能力，为医生提供实时反馈，对优化治疗策略、实现个体化管理和改善患者预后具有重要意义。

3.4 UF-DCE MRI作为乳腺癌预后标志物的价值

       肿瘤血管与肿瘤生长密切相关，UF-DCE MRI的血流动力学参数可有效评估BC的浸润程度和预后。在预测组织学升级方面，有研究^[51]证实UF-DCE MRI的血流动力学参数与BC侵袭性相关，KIM等^[52]证实UF-DCE MRI的MS（>46.2%/s，OR=5.7，P=0.046）和AUC（>27 410.3，OR=9.6，P=0.04）是原位癌（ductal carcinoma in situ, DCIS）升级为浸润癌的独立预测因子。另有研究^[53]证实术前较短TTE与升级风险显著相关（P=0.03），11 s的阈值为DCIS升级为浸润性癌提供了最大诊断价值（特异度50%、敏感度76%）。上述结果表明，UF-DCE MRI的血流动力学参数可在术前无创识别高浸润潜能的DCIS亚群，为临床决策提供依据。在已知预后因素方面，多项研究揭示UF-DCE MRI参数与乳腺癌侵袭性特征与分子分型的关联，YAMAGUCHI等^[54]研究证实，MS与浸润性乳腺癌、腋窝淋巴结转移及Ki-67增殖指数呈正相关，组织学及核分级高的BC MS更高、TTE更短，后续研究进一步证实雌激素受体（estrogen receptor, ER）、HER-2和腋窝淋巴结转移状态均与MS、TTE、BAT存在关联性，Ki-67水平升高会伴随MS显著上升^{[55, 56]}，其中TTE与病理特征的关联尤为明确，浸润性或侵袭性肿瘤的TTE短于原位癌或侵袭性较小的肿瘤（P<0.001），较短TTE与体积≥2 cm（P=0.001）、组织学分级较高（P<0.001）、核分级较高（P<0.001）、HER2 阳性（P=0.001）及高Ki-67水平（P<0.001）与乳腺肿瘤相关。综合而言，UF-DCE MRI的血流动力学参数可反映肿瘤的增殖活性及侵袭潜能，为预后分层提供多维度信息，需注意的是不同研究结果存在差异，推测与图像采集、分析方法、纳入人群的组织学亚型构成及参数联合分析方式的不同有关。未来需通过标准化成像流程与多中心大样本研究，进一步明确UF-DCE MRI参数在BC预后评估中的一致性和临床适用性。

4 小结与展望

       UF-DCE MRI通过高时间分辨率精确捕捉早期血流动力学信息，能够有效规避BPE干扰，在提升诊断特异性的同时缩短扫描时间，在乳腺良恶性及亚厘米病变的鉴别、NAC疗效评估及作为BC预后标志物方面展现出优势，为BC的精准诊断和个体化治疗提供客观依据。

       当前，UF-DCE MRI领域仍存在诸多瓶颈与共性问题，制约其临床规范化应用与推广。首先，成像技术与定量体系缺乏统一标准，不同研究采用的加速采集方案、参数、对比剂的种类、注射剂量等差异较大，时间分辨率、空间分辨率与图像SNR难以统一；半定量及定量参数的定义、计算模型、后处理流程与诊断阈值尚未形成共识，有研究^[28]指出，不同钆对比剂（如Gadavist与Dotarem）因弛豫率差异可能影响UF-DCE MRI参数的定量结果，但头对头比较研究仍较为缺乏。第二，临床证据以单中心小样本为主，缺乏大样本前瞻性验证。尽管一项纳入16项研究、2090个病灶的荟萃分析显示^[4]，UF-DCE MRI鉴别乳腺良恶性病变的汇总敏感度为83%（95% CI：79%~88%）、特异度77%（95% CI：72%~83%），但现有研究多为单中心回顾性设计，缺乏多中心前瞻性队列的外部验证，尤其是对不同BC分子亚型、不同年龄及高危人群的分层诊断价值尚不明确，难以形成高级别循证医学证据。第三，形态学与功能学评估协同性尚未明确。UF-DCE MRI虽能捕捉早期血流动力学信息，但部分恶性病变如浸润性小叶癌和导管原位癌不表现为典型的可疑动力学特征，此时单纯依赖功能信息易造成误判，目前UF-DCE MRI能否独立满足BI-RADS形态学评估要求，是否需与常规序列联用尚无定论。第四，成本高且可及性有限，该技术依赖高性能设备与专业人员，检查成本远高于乳腺X线摄影和超声，难以在基层医疗机构推广。

       针对上述瓶颈，未来研究与临床转化可从多方面系统推进，首先聚焦于推动多中心协作，建立标准化共识，统一扫描方案、后处理流程及半定量参数定义与诊断阈值，增强研究结果的可比性与可重复性；其次开展前瞻性多中心研究，验证UF-DCE MRI在不同BC亚型及人群中的诊断效能与预后价值，建立基于亚型的分层诊断模型，为精准应用提供循证支持；另外优化成像技术，改进加速算法，探索与DWI等多参数成像的优化整合；还需不断探索成本优化路径，提升基层可及性；此外深化人工智能（artificial intelligence, AI）应用，结合AI与机器学习（machine learning, ML）实现智能化诊断与质量控制^[57]，依托深度学习实现快速图像重建、病灶自动分割、参数智能提取与分类诊断，构建标准化的辅助诊断系统，进一步提高诊断效率与一致性。

       综上，UF-DCE MRI在BC精准诊疗中具有独特优势，虽在标准化、定量稳定性、临床证据及推广应用方面仍面临挑战，但随着多中心协作、技术优化与AI的不断融入，其有望成为乳腺影像学体系中的核心成像技术，为提升早期诊断水平、优化疗效评估、改善患者预后提供重要支撑，进一步推动BC精准医疗向规范化、智能化方向发展。